AIGC

一、AIGC

 AIGC，AI Generated Content，人工智能内容生成。

从技术层面AIGC可分为三个层次:

1.  智能数字内容孪生  【【应用】：图像超分、语音转字幕、文字转语音等。】

2. 智能数字内容编辑  【【应用】：视频场景剪辑、虚拟试衣、人声分离等。】

3. 智能数字内容生成 【【应用】：图像生成（AI绘画）、文本生成（AI写作、ChatBot）、视频生成、多模态生成等。】

 

从生成内容层面AIGC可分为五个方面：

1. 文本生成

基于NLP的文本内容生成根据使用场景可分为非交互式与交互式文本生成。

【代表性产品或模型】：JasperAI、copy.AI、ChatGPT、Bard、AI dungeon等。

2. 图像生成

【代表性产品或模型】：EditGAN，Deepfake，DALL-E、MidJourney、Stable Diffusion，文心一格等。

3. 音频生成

【代表性产品或模型】：DeepMusic、WaveNet、Deep Voice、MusicAutoBot等。

4. 视频生成

【代表性产品或模型】：Deepfake，videoGPT，Gliacloud、Make-A-Video、Imagen video等。

5. 多模态生成

以上四种模态可以进行组合搭配，进行模态间转换生成。

【代表性产品或模型】：DALL-E、MidJourney、Stable Diffusion等。

二、AIGC发展历程

从PGC到UGC再到AIGC的发展历程

自然语言处理（NLP）赋予了AI理解和生成能力，大规模预训练模型是NLP的发展趋势。

自然语言处理（NLP）的两个核心任务分别是自然语言理解（NLU）和自然语言生成（NLG），ChatGPT是NLP发展中具有里程碑式意义的模型之一

也有说法：

AI 1.0就是电，AI 2.0就是电网。AI 2.0是绝对不能错过的一次革命。

我定义的AI 1.0，是以2015年CNN卷积神经网络模型为核心的计算机视觉技术，拉开AI感知智能时代的序幕，机器开始在计算机视觉、自然语言理解技术等领域超越人类，并创造了显著的价值，开始有机器人、无人驾驶的出现。过去七八年，这一直是很振奋人心的事情。
但是AI 1.0也遇到了瓶颈，大多数行业想利用 AI，需要花费巨大的成本来收集和标注数据，而这些数据集和诸多模型各成“孤岛”缺乏纵效，不能跨领域使用。

AI 2.0 时代的第一个现象级应用是生成式 AI（Generative AI），也就是国内流行的AIGC。

三、 AIGC产业地图

1. 产业上游：数据服务

 

2. 产业中游：算法模型

 

3. 产业下游：应用拓展

 

 

 

四、AIGC的核心技术有哪些？

模型名称	提出时间	应用场景
1、深度变分自编码（VAE）	2013年	图像生成、语音合成
2、生成对抗神经网络（GAN）	2014年	图像生成、语音合成
3、扩散模型（Diffusion Model）	2015年	图像生成
4、Transformer	2017年	语言模型
5、Vision Transformer（ViT）	2020年	视觉模型

 

 

 

 

 

参考：

https://36kr.com/p/2135547607286144

https://zhuanlan.zhihu.com/p/607822576